兩百個人在同一個場子裡。誰該跟誰講話？

這一頁是問答。沒有標語，沒有三大特色。你問的每一個問題，下面都有答案——包括我們做不到的那幾個。

規則引擎 · 無模型呼叫 · 輸出是理由不是分數

靛色為檢視者這一端，天藍為被排序的另一端。加亮的線代表這一組有命中的維度。

為什麼不用 AI 就好？

因為主辦方要能回答一個問題：「為什麼推薦這個人給我？」

這個問題在活動現場一定會被問到。與會者會問、贊助商會問、被排在名單後面的人更會問。你需要一個能當著對方的面講出來、而且對方可以反駁的答案。

向量距離講不出來。「模型認為你們比較相近」不是理由，它是一個結論，而且是一個沒辦法檢視、沒辦法反駁、也沒辦法修的結論。當有人說「這個推薦不對」，你只能回答「那我們再訓練看看」。

所以這套的核心是反過來的：先定義什麼叫「配得上」，再照定義排。 定義是寫死的、看得到的、可以被主辦方改的。排出來的每一筆都帶著它命中了哪幾條定義。

這不是技術上做不到 AI。這是判斷了在這個場景裡，可解釋比聰明重要。

代價要一起講：它只會發現你定義過的關聯。兩個人之間有一種你沒想到的合作可能，這套排不出來——那正是 AI 有機會而它沒有的地方。

那你們怎麼算？

四個維度，逐維度比對，命中就給該維度的全額分數，沒命中就是零。沒有中間值。

四個比對維度
維度	比對的是什麼	命中的定義
`sector` 領域	雙方登記的產業／領域標籤	有任一標籤重疊
`stage` 階段	雙方登記的階段（例如募資階段、合作階段）	落在對方宣告的目標範圍內
`budget` 規模	（收進來時已正規化為級距，不是原始數字）	級距相符
`geo` 地域	雙方登記的地區	有任一地區重疊

為什麼是「全額或零」

因為半分講不出來。「這一維你們有 0.6 分的相似」——0.6 是什麼意思？誰能反駁它？

全額或零的好處是理由可以直接寫成一句話：「領域重疊：金融科技」。這句話對方看得懂，也可以說「不對，我們早就不做金融科技了」——然後你去改資料，下次就對了。

為什麼是單向

A 想見 B，不代表 B 想見 A。

一個找錢的新創想見所有投資人；一個投資人只想見符合他 thesis 的那幾家。同一組人，從兩邊看出去的排序完全不同，而且本來就應該不同。

所以這套算的是「以某個人為檢視者時，其他人該怎麼排」。每個人打開自己的名單，看到的順序都是為他自己算的。沒有一個叫做「配對成功」的全域狀態，因為那個狀態在真實世界裡不存在。

加權與平手

各維度的權重加總得到排序位置。分數只在系統內部存在，不會出現在任何輸出裡（原因見下一題）。

平手時的處理是確定性的：先比領域標籤的重疊數量，還是平手就依姓名排。不是隨機、不是「看誰先報名」——同樣的輸入永遠得到同樣的順序，可以重放、可以複查。

工程性質

純函式
無 I/O、無隨機、無時鐘。給同一份資料，永遠回同一個結果
毫秒級
在一次 session 內算完，不需要預先跑批
有測試
單元測試與整合測試都有，排序邏輯的改動會被測試擋
自由填寫欄位若填了詞彙表外的值（例如地區欄填「火星」），該值不會被拿去誤配，而不是被硬塞進最近的分類

為什麼只給理由，不給分數？

因為分數會被當成價值判斷。

「我只有 62 分？」——這句話一定會出現。而且出現的時候，你解釋不完。62 分不是在說這個人比較差，它只是在說「以這位檢視者當下的四個維度看，命中了兩項」。但沒有人會這樣讀它。數字一旦出現在畫面上，它就變成了對人的評價。

更麻煩的是分數會被拿去比較。與會者會互相問「你幾分」，然後你就得解釋為什麼同一個人在不同人的名單裡分數不同（因為是單向的），而這個解釋會花掉你整場活動的時間。

所以輸出只有理由：

陳○○ ｜ 某消費性電子品牌 ｜ 產品負責人
  ✓ 領域重疊：智慧硬體
  ✓ 地域重疊：台北

林○○ ｜ 某工業自動化系統商 ｜ 業務總監
  ✓ 領域重疊：智慧硬體、工業物聯網
  ✓ 規模級距相符

黃○○ ｜ 某供應鏈軟體團隊 ｜ 共同創辦人
  ✓ 領域重疊：工業物聯網

示範內容。姓名與單位為虛構，僅示意輸出格式。

排序仍然存在——第一筆就是排最前面的那一筆。但你看到的是它為什麼在前面，而不是一個可以拿去比大小的數字。

這個差別在實務上很具體：有人跟你說「這個推薦不對」，你們可以一起看那三行理由，指出哪一條寫錯了，然後去改資料。分數做不到這件事——分數只能被接受或被質疑，不能被修正。

分數確實在內部存在（它決定順序）。我們的選擇是不把它端出去。如果你的場景需要分數（例如要跟贊助方交代一個量化指標），這是設定層的決定，不是重寫系統——但我們會先勸你不要。

權重誰決定？

主辦方決定，但目前是在導入階段一起設定的，不是後台自助調整。

講清楚現況：維度與詞彙表是設定驅動的——維度定義、詞彙表、表單欄位對應各自有自己的設定檔，換一個場景就換一組設定，不動流程程式碼。但「主辦方自己在後台拉滑桿改權重」這個介面目前沒有實作。導入時我們一起把權重定下來，之後要調整由我們改設定。

這不是理想狀態，但我們不會把還沒做的東西畫在頁面上。

（討論用，不是產品內建的預設值）

各場景的建議起始權重
場景	sector	stage	budget	geo	為什麼這樣起手
展會買賣家媒合	高	低	中	中	買什麼賣什麼最重要；階段幾乎不影響
投資對接	高	高	高	低	階段與規模不對就見不成面，地域可遠距
加速器 mentor 配對	高	中	低	中	領域對口為主；金額不是變數
產學媒合	高	低	低	高	地緣關係在產學合作裡權重很高

這張表是導入討論的起點，不是產品出廠設定。每一場活動的目的不同，第一次一定要一起調。調權重的效果是可以馬上看的：改完重跑，同一批人的排序立刻不同，兩份名單並排就知道改對沒有。

冷啟動怎麼辦？

先說結論：資料少的時候，它會誠實地排不出強弱，而不是製造假的區別。

具體行為有三條：

一、缺資料不淘汰，只扣分。 報名表沒填完的人不會從名單裡消失，他只是在那個維度拿不到分。半份資料仍然參與排序——因為在真實活動裡，「報名表沒填完」跟「這個人不重要」完全是兩件事。

二、表外的值不參與比對。 自由填寫的欄位填了詞彙表沒有的值，那個值就是不比對，不會被硬塞進最相近的分類。寧可少一條理由，不要一條錯的理由。

三、整批資料都稀疏時，排序會趨近平手。 這時候接手的是確定性的平手規則（先比領域重疊數、再比姓名）。畫面上會出現一整批、甚至沒有理由的人——那個畫面是正確的，它在告訴你「資料還不夠，先去補表單」，而不是告訴你這些人配不上。

目前的資料量還排不出明顯的順序。建議先確認報名表的必填欄位。

我們沒有做「資料不足時改用別的推薦策略」這種降級。那會讓兩種模式的輸出混在一起，而使用者分不出來哪一筆是哪一種算法排的——那比排不出來更糟。

會不會每次都推薦同一批人？

會。而且是必然會——因為這是純函式：同樣的輸入，永遠是同樣的輸出。

目前沒有實作曝光平衡或輪替機制。 這是實話，不是保留。系統裡沒有任何「這個人已經被推薦太多次了，往後排一點」的邏輯。

所以在現階段，讓名單變動的只有三件事：

讓名單變動的三件事
讓名單變的東西	怎麼變
資料變了	有人補完報名表、有人改了領域標籤 → 重新同步後排序就會不同
權重變了	主辦方調整維度權重 → 整批重排
人變了	新報名者進來 → 進入排序池

如果你的場景需要曝光平衡（例如一個要確保每位參展商都被看見的展會），那是要另外做的功能，不是設定可以打開的開關。我們寧可在這裡講清楚，也不想讓你在活動當天才發現。

補充一個相反的觀點：確定性本身在某些場景是優點。同一份名單今天看跟明天看是一樣的，與會者不會覺得「我昨天看到的那個人怎麼不見了」，主辦方也可以重放任何一次排序來查問題。是不是缺點，取決於你的活動。

這套現在能用嗎？

誠實的答案是：還不能，而且我們知道還差什麼。

目前狀態

目前狀態
項目	狀態
排序引擎本體	程式碼完整，純函式，有單元測試與整合測試
表單資料同步	完整（映射由設定檔驅動，欄位有 ground truth 檔鎖住以偵測漂移）

已知限制（逐條列，不包裝）

一、沒有經過真實活動的實戰驗證。 我們不會說「已在大型活動驗證」——那是還沒發生的事。程式跑得起來、測試會過，跟兩百個人同時在會場上用，是兩件事。

二、主辦方自助調權重的介面沒有做。 見第 4 題。

三、沒有曝光平衡。 見第 6 題。

四、維度是四個，而且是為特定場景定義的。 換一個場景要重新定義維度與詞彙表。這件事不難，但它是一次導入工作，不是「填個設定就好」。

這一頁到這裡為止沒有出現過一句「業界領先」「智慧配對」「精準媒合」。這是刻意的。這套東西的價值就是它可以被完整地檢視——包括檢視它還沒做完的部分。

那下一步是什麼？

如果你手上有一份真實的報名名單（不用給我們真名，欄位結構就好），我們可以跟你一起做兩件事：

一、把你的場景翻譯成維度。 你這場活動裡，什麼叫「配得上」？這一題比程式碼難，而且只有你答得出來。

二、用你的欄位跑一次排序，把理由印出來看。 對不對，你看第一眼就知道。